第68章 第一个策略（2/2）

成功了？他的第一个AI量化策略，在历史回测中，竟然跑出了如此漂亮的曲线？

他猛地从椅子上站起来，在狭小的书房里来回走了几步，拳头不自觉地握紧。几个月来的焦虑、自我怀疑、埋头苦学的孤寂，在这一刻似乎找到了一个宣泄的出口。这不是纸上谈兵，这是代码和数学构建出的、实实在在的“可能性”。他的路，或许真的走对了！

兴奋持续了几分钟。冷静，必须冷静。林晨强迫自己坐回屏幕前，开始仔细审视回测的细节。

他调出了策略的净值曲线图。曲线总体向上，但中间有几段明显的盘整和下跌。他查看了交易信号分布，有些密集区域连续发出买入信号，有些阶段则长时间空仓。他又对比了模型在训练集和验证集上的损失曲线。

看着看着，他眉头渐渐皱起。

验证集上的损失，在训练后期下降得非常缓慢，甚至有轻微抬头的迹象，而训练集损失还在稳步下降。两者之间的差距在拉大。

一个熟悉的术语跳入脑海：过拟合（Overfittg）。

他的模型，可能过于“精通”训练数据中的特定噪声和偶然模式了，以至于损害了它在未知数据上的泛化能力。就像一个学生把一本习题册的每一道题甚至标点符号都背得滚瓜烂熟，但遇到稍微变形的考题就可能抓瞎。回测用的测试集虽然也是历史数据，但和训练集时间上相邻，可能存在一定的相似性，掩盖了部分过拟合的问题。如果拿到真正的、未来的行情中去，表现可能会大打折扣。

“果然没那么简单”，林晨低声说，刚才的兴奋迅速褪去，取而代之的是一种混合着警觉和求知欲的冷静。

他重新审视自己的模型和流程。特征工程是否充分？除了技术指标，是否应该加入更多元的数据，比如他之前计划的基本面数据、情绪指标？LSTM的结构是否合理？层数、神经元数量、Dropout比率是否需要调整？训练数据和测试数据的划分方式是否科学？要不要采用更复杂的交叉验证？

问题一个接一个涌现。但这并没有让他沮丧，反而点燃了他更强烈的探索欲。发现问题，正是进步的起点。

他记下几个idiate的优化方向：尝试加入更多特征（先从获取到的财报基础数据开始），调整LSTM的超参数（隐藏层维度、层数），引入更严格的早停（EarlySpg）机制防止过拟合，甚至考虑结合其他模型（比如注意力机制）来提升对关键时间点的捕捉能力。

窗外，天色已近黄昏。鹏城的天空被染成一片橙红。

林晨保存好代码和回测结果，关掉了密密麻麻的编程界面。他没有感到疲惫，反而有种充实的清醒。第一个策略，就像一个粗糙但能运转的原型机，它证明了这条路有矿可挖，同时也清晰地指出了通往富矿路上需要扫除的障碍。

他走到窗边，看着楼下小区里逐渐亮起的灯火和归家的行人。房贷的压力、失业的阴影、家庭的期待，依然像背景音一样存在。但此刻，他心中多了一份沉甸甸的、由代码和逻辑构建出的底气。

这个策略还不完美，甚至可能充满缺陷。但它是从零到一的突破。

下一步，就是在优化之后，用一点真正的资金，去现实市场里试一试水温。不是全部身家，只是一个小额的、他完全能承受损失的实验账户。回测再漂亮也是“纸上富贵”，真正的战场，在下一刻开盘的交易所里。

他回头看了一眼电脑屏幕，黑暗中，它像一块沉默的黑色矿石，里面却可能蕴藏着改变轨迹的能量。

“慢慢来”，他对自己说，“代码可以骗人，但逻辑不会，人更不能”。

真正的挑战，或许才刚刚开始。